基于子波奇异性检测的水声信号去噪方法研究

基于低信噪比、非平稳水声信号中,信号的有效频谱是固定的、噪声的频谱是随机的、信号频谱由代表水声信号特征的各基波和其对应的各次谐波构成的特点,提出了利用子波奇异性检测特性实现水声信号去噪的方法。该方法首先对水声信号进行多分辨分解,求取各尺度上信号的频谱成分;然后,根据最大尺度上最高的频谱幅度,确定该尺度上信号的有效频谱成分,再按照基波与谐波的关系,确定其它各级尺度上的有效频谱成分,去除奇异频谱;最后对去除奇异频谱后的信号进行频域-时域变换及子波重构。经对实测水声信号进行仿真,获得了较好的去噪效果。

基于小波变换的信号降噪和奇异性检测

本文对基于小波阈值的信号降噪进行研究,重点讨论了阈值函数设计。传统的硬阈值函数法处理信号时,降噪后的结果有较大方差,软阈值函数法降噪后的结果相对平滑,但软阈值函数法降噪的同时削弱了小波系数的幅度,降噪结果会出现较大的偏差。基于此,本文提出了两种改进的阈值函数,用该两种函数对小波系数进行处理,降噪效果较为明显,信噪比得到较大的提高。

基于最优小波包基的电动机故障信号的消噪与检测

现场采样获得的电动机故障信号通常会含有很多的噪声,如果对噪声不能加以有效地消除,那么故障特征信息的提取将会受到很大的影响。该文通过对基于shannon熵的最优小波包基的快速搜索算法的探讨,提出了基于最优小波包基的电动机故障信号的消噪与检测方法。通过实例分析,验证了基于最优小波包基的信号消噪效果要优于小波方法或普通小波包方法的消噪效果。通过对消噪后的故障信号进行分析,提取出了故障特征信息。检测结果表明,在故障检测前先采用最优小波包基方法对故障信号进行消噪,有利于提高电动机故障检测的准确性。

奇异性信号检测时小波基的选择

奇异性信号往往带有一些重要信息，小波是奇异性检测的一种有力工具．本文研究了几种常用小波对不同奇异性信号的检测效果，通过对比分析，对不同的奇异性信号，推荐出了优先选用的小波基，并实际应用于刀具磨损时切削力信号的分析．

基于SVD的奇异性信号检测原理及其应用

研究了Hankel矩阵方式下SVD的信号分解原理,证明了利用SVD可将原始信号分解为一系列分量信号的简单线性叠加。发现在Hankel矩阵方式下,从第二个SVD分量开始的各分量具有奇异性检测能力。指出与小波相比,SVD的奇异性检测具有两个特点,一是各分量的消失矩阶数逐次增加,第n个SVD分量具有n-1阶消失矩,因而各分量可以检测出具有不同奇异性指数的奇异点;二是所有SVD分量中指示奇异点位置的脉冲宽度始终保持不变,而且这个宽度由所构造的Hankel矩阵的列数决定。最后将这一方法应用于铣削力信号中的奇异性检测,揭示了由于刀具磨损或者工件材料颗粒不均匀和间隙而产生的对刀具的微弱冲击现象。

基于奇异性的小波消噪技术

在论述了小波分析、信号奇异性与小波变换模极大值性质关系的基础上 ,本文给出了一种基于小波变换模极大值的信号去噪算法。仿真结果表明了该算法的有效性 ,既能有效的消除噪声 ,又能较好地保留了原始信号的突变信息。

基于小波变换模极大值的信号奇异性检测

信号的突变性或奇异性通常携带有最重要的信息,小波变换为信号的多尺度瞬态分析提供了最合适的方法,本文阐述了基于小波变换模极大值的奇异信号检测理论,利用从光滑函数的一阶或二阶导数获得的小波,分析了信号奇异点定位方法及奇异度的计算方法,并指出了利用此方法时对所用小波函数的要求及尺度参数的选取原则,为非平稳信号的检测提供一种行之有效的方法。

基于小波迹和匹配追踪算法的超声波检测信号消噪

针对某大型国有企业的零件在线无损检测工程实际需求,为了提高超声波检测的准确度和精度,引入小波迹理论和匹配追踪算法对超声波检测信号进行消噪处理.首先,在信号的小波变换基础上构建一个小波迹字典;然后,在小波迹域内进行阈值消噪去除信号中的噪声;最后,利用匹配追踪算法通过有限步骤的迭代后,在小波迹字典上用一定数量的小波迹的组合来实现原信号的稀疏描述.小波迹字典内的小波迹具有对信号结构特征无损的描述能力,在小波迹域内消噪克服了传统小波消噪不考虑各尺度之间小波系数的相关性而只进行简单的系数收缩的缺陷.通过仿真试验将本文采用的方法与传统的小波硬阈值和软阈值消噪技术进行了对比,结果表明该方法的消噪效果要优于传统的小波消噪方法.实际超声波检测信号的处理结果也论证了本文所采用消噪技术的优越性.

光滑奇异性信号的小波检测及其应用

本文从理论上分析了小波变换对被光滑化了的奇异性信号进行处理的效果，证明了小波与高斯函数、小波与任意光滑函数的卷积仍是一个小波．并实际应用于刀具磨损时切削力信号的检测，结果表明可有效地分析刀具的磨损状况．

基于信号奇异性分析的小目标检测方法

提出了一种新的基于信号奇异性分析的小目标检测方法,该方法将图像中的小目标看作是图像信号中的奇异点(突变点),利用小波变换模极大值点同信号奇异点之间的对应关系,结合信号奇异性与模极大值在多尺度上的变化规律,实现噪声抑制和信号增强,然后通过区域分析,检测图像小波变换模极大值,进而实现小目标检测。实验结果证明该方法是行之有效的。

循环流化床压力波动信号的局部奇异性检测

压力波动现象是研究气固流态化机理的重要线索。该文应用小波局部极大模方法分析循环流化床中的压力波动信号。通过对压力波动信号进行连续小波变换,提取小波局部极大模线,计算每条局部极大模线对应的Lipschitz指数α。可以采用负α平均值表征循环流化床的动力学特征。文中深入讨论了信号获取和处理系统中诸因素(如数据点选取、测点高度、引压管长度等)的影响,同时分析了循环流化床运行状态(如表观气速、静床高、单组分系统和双组分系统)的影响。分析结果有助于深入理解循环流化床流动机理。

超声检测信号时频邻域自适应消噪技术

分析超声检测回波信号中噪声的组成和特性。考虑缺陷信号和噪声分量的分布差异,提出一种基于小波包变换时频邻域统计特征的自适应消噪方法。该方法根据噪声水平和邻域数据的方差,自动调节邻域数据对中心点值的平滑处理强度,从而达到自适应消噪目的。由于不存在参考信号和参数选择的问题,该方法稳健性好。仿真和实测信号的试验结果表明:该方法能有效提高信号的信噪比以及不同类型缺陷信号之间的可区分性,并抑制波形失真和信号的能量衰减。

滚动轴承振动信号的小波奇异性故障检测研究

该文以滚动轴承振动信号为分析对象 ,基于小波奇异性分析原理进行滚动轴承故障检测新方法的研究。通过求解待测信号的小波变换极大模来检测和识别信号中奇异点位置和奇异性大小 ,以及对噪声极大模的抑制处理 ,达到抑制或消除噪声的目的 ;最后 ,在剩余小波极大模的基础上进行信号重构 ,展现原待测信号中的故障信号模式。通过对铁路货车车轮用滚柱轴承振动信号的分析表明 ,此方法在大幅度地提高信噪比的同时 ,对由轴承损伤冲击造成的信号突变仍保持了较高的灵敏度和分辨率。为滚动轴承故障检测打下了良好的基础。

小波信号奇异性分析在配电线路故障检测中的应用

基于小波奇异性分析理论,分析了故障信号奇异性、非故障信号奇异性及噪声信号奇异性之间的关系,提出了配电线路故障发生时刻检测的较全面的算法。仿真结果表明,该算法具有良好的鲁棒性、准确性和快速性,并能够有效减少投资,适用于配电线路的故障检测。

信号奇异性检测中小波分析的应用

信号的局部奇异性包含了信号的许多重要的信息,小波变换突破了傅立叶分析在时域和频域方面的局部化能力,适合对非平稳信号的处理。在介绍了小波分析的概念及其时频方面性质的基础上,讨论了小波的时频局部化在信号奇异性检测中的理论与方法,该方法非常适用对边缘信号与突变信号的处理和提取,因而在故障诊断中大有可为。

基于二分递推SVD的信号奇异性位置精确检测

提出利用信号构造行数为2的矩阵,在奇异值分解后保留小奇异值对应的分量,并取大奇异值所对应的分量信号重复构造相同矩阵进行奇异值分解,从而将原始信号分解为一组分量信号.这种分量信号具有二阶消失矩,可实现对原始信号中Lipschitz指数为0和1的奇异性的位置精确检测,其检测脉宽小,且在同一层分量中指示奇异点位置的模极大值和奇异点处的突变量、转折斜率具有正比线性关系.此法克服了小波变换检测结果的位置偏移和脉冲宽大的缺陷,在对铣削力信号的处理中,准确地检测出了其中的微弱冲击.

模糊奇异性信号的检测机理

工程实际中一般很难有理想的奇异性信号,它们的奇异性往往表现得很模糊。该文从理论上分析了这种模糊奇异性信号的小波检测机理,证明了小波对模糊奇异性信号的检测相当于用一个新小波对理想奇异性信号进行检测,给出了新小波的生成定义与实例、理想奇异性信号的模糊化模拟与检测实例,也给出了一个工程实际模糊奇异性信号的奇异性检测过程,这些实例结果证明了理论分析的正确性。

基于小波变换的信号奇异性检测

作者在该文中介绍了基于小波变换的信号多分辨率分解，比较了信号和噪声在小波变换下的不同特性，给出了使用小波变换模极大化的信号奇异性检测算法。

小波奇异性检测在超声信号处理中的应用

缺陷回波法是超声检测的常用技术,但回波信号常受到各种噪声的干扰,为使超声自动探伤系统能够对缺陷进行准确检测,必须对受噪声干扰的信号进行处理。介绍了通过小波变换对奇异性信号进行检测的原理,利用该方法对超声波回波信号进行了分析。试验结果证明小波奇异性检测方法能有效消除噪声干扰,并准确检测出缺陷位置。

小波消噪在微弱信号检测中的应用

从信号去噪的角度对小波变换作了分析,并且对用非线性小波从噪声中提取有用信号的算法作了对比研究,给出了几种方法的综合方法——变阈值消噪方法,以得到更好的消噪效果。应用对微弱检测信号的仿真试验验证了变阈值消噪算法的优越性。